논문 리뷰2 [논문 리뷰] ResNet(2016) Abstract - 신경망이 깊어지면 학습하기 더욱 어려워진다. 이 논문은 residual learning 프레임워크을 통해 학습을 쉽게 하는 방법을 제안한다. - VGG 네트워크보다 8배 깊은 152 레이어 깊이의 residual network를 평가했으며, 더 낮은 복잡도를 가진다. - ILSVRC 2015 분류 문제에서 1위를 달성했다. 1. Introduction - 네트워크 깊이는 이미지 분류에서 중요하다. - 주요한 문제였던 기울기 소실 / 폭발은 normlizaed initialization과 intermediate normalization layers에 의해 해결되었다. - 하지만 성능 저하(degradation) 문제가 발생하는데, 이는 오버피팅에 의해 일어나는 것이 아니다 layer의 .. 2023. 3. 9. [논문 리뷰] VGGNet(2015) 논문 제목 - Very Deep Convolutional Networks for Large-Scale Image Recognition VGGNet은 2014년 ILSVRC에서 GoogleNet에 이어 2위를 차지한 Image Recognition Model이다. Abstract - Convolutinal network의 깊이가 정확도에 미치는 영향을 조사한 논문이다. - 주요한 contribution : 매우 작은 3x3 콘볼루션 필터를 가진 아키텍쳐를 사용하여 깊이를 증가시키고 이를 평가 - 깊이를 16 - 19 층으로 설정 - ImageNet Challenge 2014에서 Localisation 분야 1위, Classification 분야 2위를 달성 1. Introduction - 커다란 공공 이미.. 2023. 3. 2. 이전 1 다음
